降水概率：「明天 70% 会下雨」到底是什么意思

「跟着 AI 学任何东西」系列第 47 篇，也是「藏在日常里的硬知识」这一系列的开篇。这个系列讲的都是天天见、却从没被解释过的东西——第一个就是每天早上你都会瞥一眼的那个百分数。

一个每天都看，但几乎所有人都读错的数字

手机天气里写着「降水概率 70%」。

请先在心里回答一下：这句话在说什么？

我问过身边几个人，答案主要是这三种：

• 「70% 的地方会下雨。」
• 「70% 的时间会下雨。」
• 「下雨的可能性挺大的，估计雨还不小。」

三个都不对。而第四种反应比前三种更常见，杀伤力也更大：

「说 70% 等于没说——下了它对，不下它也对。」

这句话听起来很有道理，它也是本篇真正要回答的问题。先说结论：概率预报是可以被判定对错的，只是判定它的方法不是「看明天」。

一、先把定义摆正

气象部门给的定义比大众版本要窄得多。以美国国家气象局（NWS）的标准表述为例：

降水概率（PoP）＝ 在预报区域内的任意一个点上，在指定的时段内，出现可测量降水的概率。

三个限定词，每一个都在排除一种误读：

• 「任意一个点」 → 不是「70% 的面积」。它说的是你站的那个地方。
• 「指定时段内」 → 不是「70% 的时间」。哪怕只下三分钟，只要下了，就算「发生了」。
• 「可测量降水」 → 有一条明确的门槛线（美国是 0.01 英寸，我国常用 0.1 毫米）。这里没有任何关于雨量大小的信息。

最后一条值得多说一句，因为它反直觉：

降水概率和降雨量是两个完全独立的数字。 90% 可能是一场三分钟的毛毛雨，30% 也可能是一场把你浇透的雷阵雨。

想知道下多大，得看另一个量（降水量预报），而它经常不在天气 App 的首屏上。

还有一个很少被提到的细节：NWS 的作业口径里，这个数字是两个因素相乘出来的——预报员对「这片区域会不会下」的把握程度 × 预计的降水覆盖范围。所以同一个 70%，可能是「几乎肯定要下，但只覆盖七成地区」，也可能是「如果下就是整片下，但只有七成把握」。这两种情况在你手机上长得一模一样。

二、那个数字是怎么造出来的：把明天跑五十遍

现代的降水概率主要不是靠预报员拍脑袋，而是靠集合预报（ensemble forecast）。

大气是一个对初始条件极度敏感的系统。你无法把此刻全球每一处的温度、湿度、气压都测准——观测总有误差，而这个误差会随时间被放大。

集合预报的做法很直接：

既然初始状态测不准，那就不要只用一个初始状态。在观测值附近撒出几十个略有差异的初始条件，每一个都完整地跑一遍未来，看它们各自演化成什么样。

欧洲中期天气预报中心（ECMWF）的业务系统就是这个路子：一个控制成员 + 50 个扰动成员，共 51 条未来。

于是概率就有了一个非常朴素的来源：

51 条未来里，有 36 条在明天你这个位置下了雨 → 大约 70%。

这也顺带解释了一个常见困惑：为什么有时候各家 App 给的概率差挺多。因为它们背后的模式、扰动方式、后处理方法都不一样——概率是模型给出的，不是天空给出的。

三、「反正下不下都对」——为什么这句话是错的

回到开头那个最有力的质疑。

它错在一个地方：它假设一次预报要能被一天判定。

单独看一天，确实判不了。说 70% 然后没下雨，这不构成错误——70% 本来就留了 30% 不下。

但把时间拉长，判定标准立刻就有了，而且非常严格：

把历史上所有「预报 70%」的日子挑出来，数一数其中真正下雨的比例。如果这个比例接近 70%，这个预报系统是可信的；如果只有 40%，它在系统性地夸大。

这个性质叫校准（calibration，也叫可靠性）。它有对应的评分——Brier 分数，简单说就是「预报概率与实际结果之间的均方误差」，而且可以拆解成可靠性、分辨度等几个分量，让人看清一个预报到底差在哪。

所以：

概率预报的对错不在单日，在长期频率。一个说 70% 的系统，必须在长期里兑现 70%。

这里有一条容易忽略的推论：光有校准还不够。假设某地全年 30% 的日子下雨，那我每天都报「30%」，校准完美——但这个预报毫无用处，因为它每天都一样，无法区分任何一天。

一个好的概率预报要同时做到两件事：敢给出偏离平均值的数字（有分辨度），并且给出的数字长期兑现（有校准）。 只做到后者，是一个诚实的废话。

这个「校准」的思路，跟前面讲肿瘤标志物那篇是同一套东西：一个概率的意义，永远在它所属的那一群里，不在单独一次。 那篇讲的是要把概率还原成「10 万人里有多少人」，这篇讲的是要把概率还原成「100 个这样的日子里有多少天」。都是同一个动作——把概率变成数人头（或者数天数）。

四、概率不告诉你要不要带伞

知道了 70% 之后，你仍然面临一个它回答不了的问题：那我到底带不带伞？

因为概率只提供了一半的信息。另一半是代价：

• 带了伞但没下雨，损失是「拎了一天」（成本 C）。
• 没带伞而下了雨，损失是「淋湿 + 可能误事」（损失 L）。

气象决策里有一个很老也很清楚的结论（成本—损失模型）：

当降水概率 > C / L 时，采取防护措施是划算的。

拿它算一算就会发现，日常场景下这个门槛低得惊人。带伞的成本很小、淋湿的代价大不少，比如你觉得 C/L 大约是 1:10，那么只要概率超过 10%，带伞就是划算的。

但如果你是一个户外活动的组织者，取消活动的成本极高，那么门槛就会高很多，可能到 60%、70% 才该改期。

这才是那个数字的正确用法：

降水概率不是一个「会不会下」的答案，它是一个输入。真正的决策还需要你自己那一半——你输不起什么。

同一个 70%，对遛狗的人和对办婚礼的人，应该导出完全不同的行动。

五、顺便回答：天气预报到底准不准

「天气预报不准」几乎是一句社会共识。但这个共识里有一部分是过期的。

用一个业内常用的口径衡量（500 百帕高度场的预报技巧），预报能力大致以每十年提升一天左右的速度在前进——也就是说，今天的 5 天预报，大致相当于二三十年前的 2 到 3 天预报。ECMWF 的集合预报技巧在近年已经稳定超过 9 天。

推动这件事的不是某一个突破，而是几样东西一起变好：卫星和雷达的观测覆盖、把观测塞进模型的同化方法、算力，以及最近几年开始进场的机器学习预报模型。

那为什么大众感受不到？我猜有两个原因，一个是技术的，一个是心理的：

• 技术上：进步最大的是大尺度形势（冷空气什么时候到、大范围降水什么时候来），而人最在意的是「我家楼下下午三点下不下」——局地对流性降水恰恰是最难的那一类，它的空间尺度小、生消快。
• 心理上：报了雨没下，你会记住；报了雨下了，你觉得理所当然。一个概率系统在一个只记错误的记忆里，永远是不准的。

所以，下次看到那个数字

• 它说的是你所在的那一点，在那个时段内，会不会下够得着门槛的雨。
• 它不含雨量信息——想知道下多大，要看另一个数。
• 它的对错不在明天，在长期的兑现率。
• 它是决策的一半，另一半是你自己的成本和损失。

最后那条其实超出了天气。生活里大量的判断都是这个形状：你拿到一个概率，然后必须自己补上代价那一栏。 只盯着概率争论「到底会不会」，通常是把最该想的那一半跳过了。

本文为学习笔记。降水概率的具体阈值定义（如可测量降水的下限）各国气象机构略有差异，以你所在地气象部门的公开说明为准。